摘要:现有的基于经验模态分解(EMD)的信号去噪算法,用于幅值取阈以及信号重建的本征模函数(IMF)基本都是靠经验筛选,影响了算法的去噪性能。为解决这一问题,引入噪声残差似然估计(LE-RN)测度以建立 IMF的优化筛选准则。由消噪后的重建信号与原始带噪信号,可以形成一个噪声残差(RN)分量。在不同去噪参数组合下,通过最大化 RN分量与标准正态分布的对数似然,实现 IMF分量的优化筛选。最终,形成一种改进的 EMD基信号去噪方法。借助仿真消噪试验,通过与现有的 EMD基去噪方法进行对比,验证了所提出的去噪参数优选准则及其改进 EMD基去噪方法的有效性。
关键词:经验模态分解 本征模函数 幅值取阈 噪声残差似然估计 信号去噪
单位:浙江师范大学工学院车辆工程系 金华321004
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
造纸技术与应用